彩虹 Rainbow：结合深度强化学习的改进 。 结果和预先训练的模型可以在找到。 DQN Double DQN 优先体验重播 决斗网络体系结构 多步骤退货 分布式RL 吵网 使用默认参数运行原始Rainbow： python main.py 可以使用以下选项运行数据有效的Rainbow （请注意，实际上，此处通过手动设置内存容量与最大时间步数相同来实现“无界”内存）： python main.py --target-update 2000 \

强化学习 使用pytorch进行深度强化学习 要做的事情： 适用于Atari的A3C DreamerV2 DQN的多处理版本 重播缓冲区的优先采样 分布式DQN 连续动作空间？？？ 关键文章： ## DQN 通过深度强化学习玩Atari（ ） Rainbow：结合深度强化学习的改进（ ） 借助双Q学习进行深度强化学习（ ） 优先体验重播（ ） 深度强化学习的决斗网络架构（ ） 嘈杂的勘探网络（ ） 重温体验重播的基本原理（ ） 重播内存容量和最早的策略之间